Задача. Машинное обучение, код в Python, лучше выполнить в Google Colab.
1. Загрузите данные. Используйте датасет с ирисами. Его можно загрузить непосредственно из библиотеки Sklearn. В данных оставьте только 2 класса: Iris Versicolor, Iris Virginica.
2. Самостоятельно реализуйте логистическую регрессию, без использования метода LogisticRegression из библиотеки. Можете использовать библиотеки pandas, numpy, math для реализации. Оформите в виде функции. *Оформите в виде класса с методами.
3. Реализуйте метод градиентного спуска. Обучите логистическую регрессию этим методом. Выберете и посчитайте метрику качества. Метрика должна быть одинакова для всех пунктов домашнего задания. Для упрощения сравнения выберете только одну метрику.
4. Повторите п. 3 для метода скользящего среднего (Root Mean Square Propagation, RMSProp).
5. Повторите п. 3 для ускоренного по Нестерову метода адаптивнои? оценки моментов (Nesterov–accelerated Adaptive Moment Estimation, Nadam).
6. Сравните значение метрик для реализованных методов оптимизации. Можно оформить в виде таблицы вида |метод|метрика|время работы| (время работы опционально). Напишите вывод.
Максим
ВОЕННАЯ АКАДЕМИЯ МАТЕРИАЛЬНО-ТЕХНИЧЕСКОГО ОБЕСПЕЧЕНИЯ имени генерала армии А. В. Хрулева
Исполнителя всем рекомендую. Ответственно подошла к делу. Работу выполнила досрочно. Без з...
Арина
РАНХиГС
Работа была выполнена в кратчайшие сроки и очень качественно! Рекомендую!
Анастасия
ИГПЧС
Юрий спасает который раз. Работа сделана досрочно. Все замечания исправляются быстро. Рек...
Александра
МЭИ
Работа выполнена на 5, все выполнено замечательно, замечаний не было. Исполнителя рекомендую.